base.2.1 <- base %>% 
  filter(V34!="") %>% 
  group_by(Gênero = V34,`Faixa Etária` = V35) %>% 
  summarise(Frequência = V35 %>% table %>% as.vector) %>% 
  suppressMessages %>% 
  mutate(Percentual = Frequência %>% divide_by(Frequência %>% sum(.,na.rm=T)) %>% multiply_by(100) %>% round(.,1)) %>%
  ungroup %>% 
  mutate(`Faixa Etária` = rep(c('Mais de 60 anos','Entre 18 e 29 anos','Entre 30 e 44 anos','Entre 45 e 60 anos'),2)) %>% 
  arrange(Gênero,`Faixa Etária`)

resposta.2.1 <- base.2.1 %>% 
  filter(Percentual==max(Percentual)) %>% 
  select(`Faixa Etária`) %>% 
  pull %>% 
  substr(.,2,100) %>% 
  paste0('para os dois gêneros, a faixa etária mais entrevistada foi a de indivíduos com idade e',.)

kable(base.2.1,caption = "Quantidade de entrevistados por Gênero e Faixa Etária")

#feminino - gráfico

ggplot(filter(base.2.1,Gênero=="Female"),aes(x=`Faixa Etária`,y=Frequência,fill=`Faixa Etária`)) +
  geom_bar(stat="identity") +
  theme_minimal() +
  theme(axis.text.x = element_blank())+
  ggtitle("Gênero Feminino") + 
  scale_fill_brewer(palette = "Reds") 

#masculino - gráfico

ggplot(filter(base.2.1,Gênero=="Male"),aes(x=`Faixa Etária`,y=Frequência,fill=`Faixa Etária`)) +
  geom_bar(stat="identity") +
  theme_minimal() +
  theme(axis.text.x = element_blank())+
  ggtitle("Gênero Masculino") + 
  scale_fill_brewer(palette = "Blues") 

base.2.2 <- base %>% 
  mutate(`Quantos Filmes Assistiu` = rowSums(select(.,matches(paste0('V',4:9))),na.rm=T)) %>% 
  filter(`Quantos Filmes Assistiu` >= 1, V34 != '') %>% 
  group_by(Gênero = V34, `Faixa Etária` = V35) %>% 
  summarise(Frequência = V35 %>% table %>% as.vector) %>% 
  suppressMessages %>% 
  mutate(Percentual = Frequência %>% divide_by(Frequência %>% sum(.,na.rm=T)) %>% multiply_by(100) %>% round(.,1)) %>% 
  ungroup %>% 
  mutate(`Faixa Etária` = rep(c('Mais de 60 anos','Entre 18 e 29 anos','Entre 30 e 44 anos','Entre 45 e 60 anos'),2)) %>% 
  arrange(Gênero,`Faixa Etária`)

resposta.2.2 <- base.2.2 %>% 
  filter(Percentual==max(Percentual)) %>% 
  select(`Faixa Etária`) %>% 
  pull %>% 
  substr(.,2,100) %>% 
  paste0('para os dois gêneros, a faixa etária que mais assistiu pelo menos um filme da franquia foi, novamente, a de indivíduos com idade e',.)

kable(base.2.2,caption = "Quantidade de indivíduos que assistiram pelo menos um filme da franquia por Gênero e Faixa Etária")

#feminino - gráfico

ggplot(filter(base.2.2,Gênero=="Female"),aes(x=`Faixa Etária`,y=Frequência,fill=`Faixa Etária`)) +
  geom_bar(stat="identity") +
  theme_minimal() +
  theme(axis.text.x = element_blank())+
  ggtitle("Gênero Feminino") + 
  scale_fill_brewer(palette = "Reds") 

#masculino - gráfico

ggplot(filter(base.2.2,Gênero=="Male"),aes(x=`Faixa Etária`,y=Frequência,fill=`Faixa Etária`)) +
  geom_bar(stat="identity") +
  theme_minimal() +
  theme(axis.text.x = element_blank())+
  ggtitle("Gênero Masculino") + 
  scale_fill_brewer(palette = "Blues")

personagens <- read_xlsx(path = "personagens.xlsx",sheet = 1)

base.4.1 <- base %>% 
  select(V16:V29)

names(base.4.1) <- personagens$Nome

very.favorably <- base.4.1 %>% 
  pivot_longer(cols = everything(),names_to = 'Personagem',values_to = 'Opiniao') %>% 
  filter(Opiniao == 'Very favorably') %>% 
  count(Personagem) %>% 
  rename(`Frequência de Very Favorably` = `n`) %>% 
  arrange(match(Personagem,personagens$Nome))
  
favoravel <- very.favorably %>% 
  filter(`Frequência de Very Favorably` == max(`Frequência de Very Favorably`) )

resposta.4.1 <- favoravel$Personagem

kable(arrange(very.favorably,desc(`Frequência de Very Favorably`)),
      caption = "Frequências decrescentes de Very Favorably por personagem")

base.4.2 <- base.4.1

very.unfavorably <- base.4.2 %>% 
  pivot_longer(cols = everything(),names_to = 'Personagem',values_to = 'Opiniao') %>% 
  filter(Opiniao == 'Very unfavorably') %>% 
  count(Personagem) %>% 
  rename(`Frequência de Very Unfavorably` = `n`) %>% 
  arrange(match(Personagem,personagens$Nome))

desfavoravel <- very.unfavorably %>% 
  filter(`Frequência de Very Unfavorably` == max(`Frequência de Very Unfavorably`) )

resposta.4.2 <- desfavoravel$Personagem

kable(arrange(very.unfavorably,desc(`Frequência de Very Unfavorably`)),
      caption = "Frequências decrescentes de Very Unfavorably por personagem")

base.5.1 <- base %>% filter(V33=="Yes") %>% select(V31)

base.5.1 <- as.data.frame(table(base.5.1))

levels(base.5.1[,1])[1] <- "Não respondido"

names(base.5.1) <- c("Familiarizado com o U.E.","Frequência")

base.5.1 <- base.5.1 %>% 
            mutate("Percentual" = round(100*Frequência/sum(Frequência),1)) %>%
            arrange(desc(Percentual))

resposta.5.1 <- percent(base.5.1$Percentual[ which( base.5.1[,1]=="Yes" )]/100,accuracy = 1)

kable(base.5.1,caption = "Frequências decrescentes dos indivíduos por familiarização com o Universo Expandido")

base.5.2 <- base %>% 
  filter(V33=="Yes") %>% 
  select(V32) %>% 
  table %>% 
  as.data.frame

# base.5.2 <- as.data.frame(table(base.5.2))

levels(base.5.2[,1])[1] <- "Não respondido"

names(base.5.2) <- c("Familiarizado com o U.E.","Frequência")

base.5.2 <- base.5.2 %>% 
  mutate(Percentual = Frequência %>% divide_by(Frequência %>% sum(.,na.rm=T)) %>% multiply_by(100) %>% round(.,1)) %>% 
  arrange(desc(Percentual))

resposta.5.2 <- percent(base.5.2$Percentual[ which( base.5.2[,1]=="Yes" )]/100,accuracy = 0.1)

kable(base.5.2,caption = "Frequências decrescentes dos indivíduos considerando se são fãs do Universo Expandido")